wav2vec2-xls-r-300m-banglaオープンソース音声認識モデル - 無料でデプロイし、ベンガル語コマンドを高精度に認識

Wav2vec2 Xls R 300m Bangla Command Generated Data Finetune

hrdiptoによって開発

wav2vec2-xls-r-300mアーキテクチャに基づくベンガル語音声認識モデルで、コマンド認識タスクに対して微調整されています。

ダウンロード数 24

リリース時間 : 3/2/2022

モデル概要

このモデルはhrdipto/wav2vec2-xls-r-300m-bangla-command-dataをベースに微調整されたバージョンで、専門的にベンガル語コマンド認識タスクに使用されます。

高効率音声認識

ベンガル語コマンド認識に対して最適化されており、評価時の単語誤り率はわずか0.0208です。

高速推論

評価時に毎秒75.217個のサンプルを処理でき、リアルタイムアプリケーションシナリオに適しています。

転移学習

事前学習されたwav2vec2-xls-r-300mモデルをベースに微調整されており、事前学習の知識を十分に活用しています。

ベンガル語音声認識

コマンド単語認識

リアルタイム音声処理

スマートホーム制御

音声による機器制御

ベンガル語の音声コマンドでスマートホーム機器を制御します。

高い精度でのコマンド認識

音声アシスタント

ローカライズされた音声インタラクション

ベンガル語ユーザーに音声インタラクション機能を提供します。

低遅延の音声認識

属性	詳細
学習率（learning_rate）	0.0001
トレーニングバッチサイズ（train_batch_size）	32
評価バッチサイズ（eval_batch_size）	8
乱数シード（seed）	42
オプティマイザ（optimizer）	Adam、β値は(0.9, 0.999)、ε値は1e - 08
学習率スケジューラタイプ（lr_scheduler_type）	線形
学習率スケジューラのウォームアップステップ数（lr_scheduler_warmup_steps）	1000
トレーニングエポック数（num_epochs）	100
混合精度トレーニング（mixed_precision_training）	ネイティブ自動混合精度（Native AMP）